""" EchoChamber Studio — varianta MINIMĂ (comentată pentru predare) =============================================================== Idee de bază a Gradio: o FUNCȚIE Python -> o interfață web. Aici fiecare tab e un `gr.Interface` (Gradio face singur butonul + layout-ul), iar tab-urile sunt puse împreună într-un `gr.Blocks` ca să aibă temă comună. Reguli de produs: · provider + model = UN SINGUR dropdown (nu se pot nepotrivi) · rolurile agenților se citesc din assets/roles/roles.yaml (cale absolută) · dacă o știre e încărcată, ea e contextul; subiectul scris INTRĂ PESTE știre (ex: știre despre UE + subiect „Bolojan” -> Bolojan în contextul știrii) · fără știre -> se vorbește doar despre subiectul scris Rulează: python -m app.app (sau: python app/app.py) """ # ================================================== # 1. IMPORTS & SETUP # ================================================== import os, sys, html from pathlib import Path import gradio as gr # interfața web import yaml, requests # yaml = rolurile; requests = descarcă știrea from bs4 import BeautifulSoup # extrage textul din pagina HTML a știrii from dotenv import load_dotenv # citește cheile API din .env from openai import OpenAI # client OpenAI-compatible (gemini/deepseek) # Rădăcina proiectului = folderul părinte al lui app/. O calculăm o dată # ca să putem găsi .env, roles.yaml etc. indiferent din ce folder rulăm. PROJECT_ROOT = Path(__file__).resolve().parents[1] sys.path.insert(0, str(PROJECT_ROOT)) # ca să putem importa pachetul core/ load_dotenv(PROJECT_ROOT / ".env") # încarcă GEMINI_API_KEY etc. # Backend-ul construit în cursuri (NU îl rescriem, doar îl chemăm): from core.agent import generate_agent_response # C6 — un agent RAG from core.graph import run_thread, HANDLES # C7 — dezbatere # ================================================== # 2. CONFIG — provideri, modele, roluri din YAML # ================================================== # Fiecare provider are un endpoint OpenAI-compatible diferit. BASE_URLS = {"gemini": "https://generativelanguage.googleapis.com/v1beta/openai/", "openrouter": "https://openrouter.ai/api/v1", "deepseek": "https://api.deepseek.com/v1"} # Cheile vin din .env (numele variabilei = PROVIDER în litere mari + _API_KEY). KEYS = {p: os.getenv(f"{p.upper()}_API_KEY") for p in BASE_URLS} MODELS = {"gemini": ["gemini-2.5-flash-lite", "gemini-2.5-flash"], "openrouter": ["openrouter/auto", "google/gemini-2.5-flash-lite"], "deepseek": ["deepseek-chat"]} # Arătăm doar providerii care chiar au cheie în .env. PROVIDERS = [p for p, k in KEYS.items() if k] or ["gemini"] K = 5 # câte fragmente recuperează retrieverul (top-k din FAISS) # TRUC: provider + model într-UN SINGUR dropdown -> imposibil să fie nepotrivite. # Valoarea fiecărei opțiuni e "provider|model"; o despărțim în setup(). MODEL_CHOICES = [(f"{p} · {m}", f"{p}|{m}") for p in PROVIDERS for m in MODELS.get(p, [])] DEFAULT_MM = MODEL_CHOICES[0][1] if MODEL_CHOICES else "gemini|gemini-2.5-flash-lite" # Rolurile agenților: din YAML, cu CALE ABSOLUTĂ -> merge oricum ai porni app-ul. ROLES_PATH = PROJECT_ROOT / "assets" / "roles" / "roles.yaml" def load_roles(): """Citește roles.yaml. Acceptă atât {agents: {...}} cât și {...} direct.""" if not ROLES_PATH.exists(): print(f"[avertisment] nu găsesc {ROLES_PATH}") return {} data = yaml.safe_load(ROLES_PATH.read_text(encoding="utf-8")) or {} return data.get("agents", data) ROLES = load_roles() # AGENTS = listă de perechi (eticheta_afișată, slug) pentru dropdown-uri. AGENTS = [(r.get("name", s), s) for s, r in ROLES.items()] print(f"[roluri] {len(AGENTS)} agenți din YAML: {[s for _, s in AGENTS]}") # STARE PARTAJATĂ între tab-uri. În varianta cu gr.Blocks am folosi gr.State; # aici, pentru cod minim, folosim două dicționare la nivel de modul. CFG = {"provider": PROVIDERS[0], "model": MODELS[PROVIDERS[0]][0], "temp": 0.3} ART = {"text": "", "title": ""} # textul complet al știrii + titlul # ================================================== # 3. APELURI LLM / BACKEND (core.agent, core.graph) # ================================================== def ask_llm(prompt, temperature=None): """Apel LLM direct (folosit la Chat și Rezumat). Întoarce text sau eroare.""" if not prompt.strip(): return "Scrie mai întâi ceva." try: c = OpenAI(api_key=KEYS[CFG["provider"]], base_url=BASE_URLS[CFG["provider"]]) r = c.chat.completions.create( model=CFG["model"], messages=[{"role": "user", "content": prompt}], temperature=float(CFG["temp"] if temperature is None else temperature)) return r.choices[0].message.content.strip() except Exception as e: return f"[Eroare: {type(e).__name__} - {e}]" def _agent(slug, stimulus): """Un agent RAG (din C6). roles_path = cale absolută -> rolul din YAML e găsit sigur. Backend-ul face retrieval + prompt + LLM; noi doar îl chemăm.""" return generate_agent_response( agent_slug=slug, stimulus=stimulus, provider=CFG["provider"], model=CFG["model"], k=K, temperature=float(CFG["temp"]), roles_path=str(ROLES_PATH)).get("response", "") def _subject(typed): """Ce primește un agent ca STIMULUS — regula cerută: știre + subiect -> vorbim despre SUBIECT, dar ÎN CONTEXTUL știrii doar știre -> vorbim despre știre doar subiect -> vorbim doar despre subiect Notă: stimulul e și interogarea FAISS, deci îl ținem scurt și focusat (subiectul primul, apoi un fragment de știre, nu tot articolul).""" typed = (typed or "").strip() news = ART["text"].strip() if news and typed: # subiectul intră PESTE știre return f"{typed}\n\n[În contextul acestei știri:]\n{news[:600]}" if news: # doar știre return news[:700] return typed # doar subiect # ================================================== # 4. TAB „SETĂRI” (alege model + opțional încarcă știrea) # ================================================== def setup(model_choice, temperature, url): """Salvează provider/model/temperatură în CFG și (opțional) încarcă o știre în ART. Tot ce ține de configurare stă aici, într-un singur loc.""" provider, model = model_choice.split("|", 1) # despărțim "provider|model" CFG.update(provider=provider, model=model, temp=temperature) url = (url or "").strip() if not url: ART.update(text="", title="") return (f"Setări salvate.\nProvider: {provider} · Model: {model}\n" "Nicio știre încărcată — se folosește subiectul scris în tab.") try: # Descărcăm pagina și extragem titlul (h1) + paragrafele lungi din
. resp = requests.get(url, timeout=12, headers={"User-Agent": "Mozilla/5.0"}) resp.raise_for_status() soup = BeautifulSoup(resp.text, "html.parser") title = soup.find("h1").get_text(" ", strip=True) if soup.find("h1") else "Știre" body = "\n\n".join(p.get_text(" ", strip=True) for p in (soup.find("article") or soup).find_all("p") if len(p.get_text(" ", strip=True)) > 40) if not body: ART.update(text="", title="") return "Setări salvate. Nu am putut extrage textul știrii din pagină." ART.update(text=f"{title}\n\n{body[:4500]}", title=title) return (f"Setări salvate. Provider: {provider} · Model: {model}\n\n" f"ȘTIRE ACTIVĂ: {title}\n" "Subiectul scris în celelalte tab-uri va fi discutat ÎN " "CONTEXTUL acestei știri.\n\n" f"{body[:900]}...") except Exception as e: ART.update(text="", title="") return f"Setări salvate. Eroare la știre: {type(e).__name__} - {e}" # ================================================== # 5. ACȚIUNI TAB-URI (fiecare funcție = un tab) # ================================================== def chat(prompt): """Chat. Dacă există o știre, întrebarea ta primește răspuns DIN ea.""" prompt = (prompt or "").strip() if ART["text"]: q = prompt or "Despre ce este știrea? Rezumă pe scurt." return ask_llm("Răspunde la ÎNTREBARE folosind DOAR ȘTIREA de mai jos. Ai " "deja textul - nu cere alt text. Dacă nu reiese, spune asta." f"\n\nȘTIRE:\n{ART['text']}\n\nÎNTREBARE:\n{q}") return ask_llm(prompt) if prompt else "Scrie un prompt sau încarcă o știre." def summary(): """Rezumă știrea încărcată (nu ia niciun input — folosește ART).""" if not ART["text"]: return "Încarcă mai întâi o știre în tab-ul Setări." return ask_llm("Rezumă în 5 propoziții, fără a adăuga informații.\n\n" + ART["text"], temperature=0.2) def agent(text, slug): """Un agent comentează subiectul (peste știre, dacă e încărcată).""" s = _subject(text) if not slug: return "Nu există agenți (verifică assets/roles/roles.yaml)." if not s.strip(): return "Încarcă o știre sau scrie un subiect." try: return _agent(slug, s) except Exception as e: return f"[Eroare: {type(e).__name__} - {e}]" def all_agents(text): """Același subiect, prin TOATE rolurile din YAML (loop peste ROLES).""" s = _subject(text) if not s.strip(): return "Încarcă o știre sau scrie un subiect." if not ROLES: return "Nu există agenți (verifică assets/roles/roles.yaml)." out = [] for slug, role in ROLES.items(): try: r = _agent(slug, s) except Exception as e: r = f"[Eroare: {type(e).__name__} - {e}]" out.append(f"### {role.get('name', slug)}\n\n{r}") return "\n\n---\n\n".join(out) # markdown cu separatoare def debate(subject, slugs, turns): """Dezbatere multi-agent (C7). run_thread orchestrează agenții pe rând.""" s = _subject(subject) if not slugs or len(slugs) < 2: return "Selectează cel puțin doi agenți." if not s.strip(): return "Încarcă o știre sau scrie un subiect." try: msgs = run_thread(stimulus=s, active_slugs=slugs, total_turns=int(turns), provider=CFG["provider"], model=CFG["model"], k=K) except Exception as e: return f"[Eroare dezbatere: {type(e).__name__} - {e}]" # Construim cardurile vizual (HTML simplu, fără fișier CSS separat). cards = [] for m in msgs: role = ROLES.get(m.get("slug", ""), {}) cards.append( f"
" f"
" f"{html.escape(str(m.get('agent','')))} · intervenția " f"{m.get('turn','')}
" f"{html.escape(str(m.get('text','')))}
") return "

Dezbatere

" + "\n".join(cards) # ================================================== # 6. UI — logo + 6 Interface-uri + temă (zero CSS custom) # ================================================== # Temă „cool” fără nicio linie de CSS: portocaliu + colțuri mari + font Inter. THEME = gr.themes.Soft( primary_hue="orange", secondary_hue="amber", neutral_hue="slate", radius_size="lg", spacing_size="lg", font=[gr.themes.GoogleFont("Inter"), "system-ui", "sans-serif"], font_mono=[gr.themes.GoogleFont("JetBrains Mono"), "monospace"], ) # LOGO al site-ului: un „mark” SVG (unde concentrice = ecou) + numele. # E doar HTML inline, deci tot „zero CSS custom” (nu fișier .css separat). LOGO = """
EchoChamber Studio
simulare discursivă pe știri și texte politice
""" # Fiecare tab = un gr.Interface(funcție, inputs, outputs). Gradio face restul. tab_setup = gr.Interface( setup, title="Setări", description="Alege provider+model dintr-un singur loc și (opțional) încarcă " "o știre. Dacă o știre e încărcată, subiectul scris în celelalte " "tab-uri se discută ÎN CONTEXTUL ei.", inputs=[gr.Dropdown(MODEL_CHOICES, value=DEFAULT_MM, label="Provider · Model"), gr.Slider(0, 1, value=0.3, step=0.1, label="Temperatură"), gr.Textbox(label="URL știre (gol = fără știre)", lines=2)], outputs=gr.Textbox(label="Stare", lines=12), submit_btn="Salvează / Încarcă", flagging_mode="never") tab_chat = gr.Interface( chat, title="Chat", description="Dacă o știre e încărcată, răspund la întrebarea ta despre ea. " "Altfel, chat normal.", inputs=gr.Textbox(label="Întrebare / prompt", lines=4), outputs=gr.Textbox(label="Răspuns", lines=14), examples=[["Despre ce este știrea?"], ["Ce miză politică are?"]], flagging_mode="never") tab_sum = gr.Interface( lambda: summary(), title="Rezumat", # lambda: funcție fără input description="Rezumatul știrii încărcate (din tab-ul Setări).", inputs=[], outputs=gr.Textbox(label="Rezumat", lines=12), submit_btn="Rezumă știrea", flagging_mode="never") tab_agent = gr.Interface( agent, title="Agent", description="Un agent comentează subiectul. Dacă o " "știre e încărcată, comentează subiectul ÎN CONTEXTUL ei.", inputs=[gr.Textbox(label="Subiect (intră peste știre, dacă e încărcată)", lines=4), gr.Dropdown(AGENTS, value=(AGENTS[0][1] if AGENTS else None), label="Agent")], outputs=gr.Textbox(label="Comentariu", lines=14), flagging_mode="never") tab_all = gr.Interface( all_agents, title="Toți agenții", description="Același subiect, prin toate vocile discursive" "(în contextul știrii, dacă e încărcată).", inputs=gr.Textbox(label="Subiect (intră peste știre, dacă e încărcată)", lines=4), outputs=gr.Markdown(), flagging_mode="never") tab_debate = gr.Interface( debate, title="Dezbatere", description="Agenții discută între ei pe marginea " "subiectului, în contextul știrii dacă e încărcată.", inputs=[gr.Textbox(label="Subiect (intră peste știre, dacă e încărcată)", lines=3), gr.CheckboxGroup(AGENTS, value=[v for _, v in AGENTS], label="Agenți"), gr.Slider(2, 12, value=5, step=1, label="Număr intervenții")], outputs=gr.HTML(), flagging_mode="never") # gr.TabbedInterface nu acceptă theme= pe toate versiunile, așa că facem ce # face el intern: un gr.Blocks cu temă + gr.Tabs, în care randăm Interface-urile. TABS = [("Setări", tab_setup), ("Chat", tab_chat), ("Rezumat", tab_sum), ("Agent", tab_agent), ("Toți agenții", tab_all), ("Dezbatere", tab_debate)] with gr.Blocks(title="EchoChamber Studio", theme=THEME) as demo: gr.HTML(LOGO) # logo-ul sus, o singură dată with gr.Tabs(): for _name, _iface in TABS: # un Tab per Interface with gr.Tab(_name): _iface.render() # randează Interface-ul în tab # ================================================== # 7. LAUNCH # ================================================== if __name__ == "__main__": port = os.getenv("GRADIO_SERVER_PORT") # opțional, din .env demo.launch(server_name="127.0.0.1", server_port=int(port) if port else None, share=False, inbrowser=True)